Makine Öğrenmesi nedir? Alt Dalları nelerdir?
Makine öğrenmesi yapay zekanın bir alt dalıdır. Veriler üzerinden veya deneme yanılma yöntemleriyle tahmin yürütme işlemi için gerçekleştirilen süreçtir. Bilgisayardan veriler üzerinden veya deneme yanılmayla tahmin yapması istenilir.
Veriler üzerinden derken neler kastedilmektedir? Örneğin bazı zeka problemlerinde şu tarz sorular sorulmaktadır.
üstteki zeka sorusunda 3 adet işlem verilmiştir ve bu işlemin nasıl yapıldığının düşünülmesi istenilmiş, 4. işlemin de sonucunun ona göre bulunması istenilmiştir. Burada üsttekiler veridir. Bu bilgileri bilgisayara veri olarak verdiğinizde, 4. işlemi sorduğunuzda bilgisayar makine öğrenmesi yöntemiyle sonucu bulabilir.
Bu basit bir örnek. Başka bir örnek vereyim. bilgisayara 1000 tane farklı fotoğrafı, 1000 tane de farklı köpeklerin fotoğraflarının olduğu verileri verdiğinizi düşünün. Bu fotoğrafların aynı zamanda kediye ya da köpeğe ait olduğu da bilgisayara verilmiş olsun. Sonra da bilgisayardan kedi ve köpeği öğrenmesini isteyelim(training). Bilgisayar öğrenme işlemini bu süreçte gerçekleştirir, kedi ve köpeğin farklılıklarını algılar. Bu öğrenme işlemi gerçekleştikten sonra bilgisayara tamamen farklı bir kedi veya köpek resmi verip onun ne olduğunu sorabiliriz. Bu süreçte de bilgisayar bir tahminde bulunur. %90 kedi, %10 köpek gibi. İşte bu bir makine öğrenmesi yöntemidir.
Makine öğrenmesi 3 alt başlıkta toplanmaktadır. Bunlar denetimli-gözetimli(supervised) öğrenme, denetimsiz-gözetimsiz(unsupervised) öğrenme, takviyeli-pekiştireçli(reinforcement) öğrenmedir.
Denetimli Öğrenme – Supervised Learning
Denetimli öğrenmede verilen verilerde etiket bilgisi bulunmaktadır. Üstteki örnekten gidecek olursak etiket kedi veya köpektir. Yani o verinin neye ait olduğu belirtilmektedir. Daha sonra da verilen bir verinin hangi etikete ait olduğu istenilmektedir(kedi mi köpek mi).
Regresyon, Sınıflandırma denetimli öğrenme yöntemlerindendir.
Denetimsiz Öğrenme – Unsupervised Learning
Verilerde etiket bulunmamaktadır. Veriler arasındaki farklılıklara göre veriler gruplara ayrılabilir(kümeleme).
Kümeleme(clustering), dimensionality reduction denetimsiz öğrenme yöntemlerindendir.
Takviyeli Öğrenme – Reinforcement Learning
Bu öğrenme yönteminde önceden verilmiş bir veri bulunmamaktadır. Algoritma ortama göre deneme yanılma yöntemleri yaparak kendine bir yol bulmaktadır. Örneğin bilgisayardan bir labirent oyunu probleminin çözülmesini isteniyorsa, bilgisayar yolları teker teker deneyecektir ve çıkış yolunu bulacaktır. Tabi bu yöntemde de çeşitli algoritmalar kullanılmaktadır. Genelde problemin içerisinde bir ajan bulunmakta, bu ajana çeşitli hareketler yaptırılmakta ve yaptığı hareketlere göre ödül-ceza verilmektedir. En son da ajan ödülün çok olduğu yoldan gidecektir.
Çeşitli oyunlarda, problemlerde takviyeli öğrenme yöntemleri kullanılmaktadır. Reinforcement learning tıpkı bir bebeğin yürüme öğrenmesine benzer. Bebek deneme yanılma yöntemiyle ayakta kalmayı, adım atmayı öğrenir. Adım attıkça sevinir, o yöntemi benimser(ödül). Yere düşdüğünde de o zamanki kullandığı yöntemi birdaha yapmamaya çalışır(ceza). Deneme yanılma yöntemleriyle yürümeyi öğrenir.
Basit anlamda makine öğrenmesini bu şekilde özetleyebiliriz. Daha detaylı anlatımlar, kullanılan programlama dilleri, kütüphaneler vs. için yeni yazılarda buluşmak üzere.